System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及航空发动机,特别涉及一种模型生成方法、可靠性分析方法、系统、设备和介质。
技术介绍
1、涡轮机匣是航空发动机中重要的支撑和承力部件,涡轮机匣前段与燃烧室外机匣连接,后端与后支承机匣连接,机匣还与其他部件一起构成发动机的气流通道。发动机涡轮机匣在工作状态下,主要承受气体负荷和质量惯性力,其次还承受热负荷以及一些装配应力,其中承受气体负荷和质量惯性力以轴向力、横向力或侧向力、弯矩、扭矩等形式作用在机匣上,热负荷由温度、温差引起,应力由热负荷对材料强度带来的变化所引起。据国内外统计表明,机匣事故中,大部分是由疲劳引起的。尽管机匣大多数裂纹故障不会引起整机损伤或灾难性事故,但是如果裂纹扩展到大量漏气或机匣爆破开裂,后果也十分严重。另外,高温燃气从裂纹漏出,是机匣外部等结构受到损伤,也会造成重大事故。在机匣设计准则中规定,对于一个合格的机匣,必须满足八个主要设计准则,其中第一个设计准则就是“提供足够的低循环疲劳寿命”。对于一个合格的机匣,设计时必须提供足够的低循环疲劳寿命。
2、发动机涡轮机匣设计满足许用强度和许用寿命,但是因为涡轮机匣结构特征复杂,且工作环境恶劣,受到许多不确定性因素的影响,使得真实的工作状态具有一定的随机性,出现强度、寿命等故障。涡轮机匣的寿命在很大程度上决定了航空发动机的寿命,其可靠与否关系到整个发动机和飞行器的安全。
3、目前,传统的强度设计常采用分散系数来反映结构的分散度,为保证安全,目前给定的分散系数偏大,造成结构冗余偏重且不保证可靠,危险不可控。现有monte carlo
技术实现思路
1、本专利技术要解决的技术问题是为了克服现有技术中对发动机涡轮机匣可靠性分析效率及精度低的缺陷,提供一种模型生成方法、可靠性分析方法、系统、设备和介质。
2、本专利技术是通过下述技术方案来解决上述技术问题:
3、本专利技术提供一种模型生成方法,所述模型生成方法包括:
4、获取样本训练集;所述样本训练集为影响涡轮机匣强度和寿命的参数集合;
5、利用所述样本训练集训练kriging代理模型,以生成目标kriging代理模型;
6、所述目标kriging代理模型用于预测涡轮机匣的失效概率。
7、较佳地,所述利用所述样本训练集训练kriging代理模型的步骤包括:
8、所述样本训练集包括初始样本训练集和候选样本训练集;
9、利用所述初始样本训练集构建初始kriging代理模型;
10、从所述候选样本训练集中选取目标训练点,将所述目标训练点加入至所述初始样本训练集中,以生成更新样本训练集;
11、利用所述更新样本训练集更新初始kriging代理模型,以生成更新kriging代理模型;
12、判断所述更新kriging代理模型对应的误差函数值是否满足预设条件,若是,则确定所述更新kriging代理模型为所述目标kriging代理模型,若否,则返回所述从所述候选样本训练集中选取目标训练点的步骤。
13、较佳地,所述从所述候选样本训练集中选取目标训练点的步骤包括:
14、从所述候选样本训练集中选取误差函数值最大的样本点作为目标训练点;
15、和/或,所述判断所述更新kriging代理模型对应的误差函数值是否满足预设条件的步骤包括:
16、判断所述更新kriging代理模型对应的误差函数值是否满足以下公式:
17、
18、其中,e[r(x(*))]表征目标训练点的误差函数值,表征涡轮机匣疲劳寿命可靠性分析的功能函数的平均值,ε表征一个正常数,且ε小于第一预设阈值;a表征一个正常数,且a小于第二预设阈值。
19、较佳地,所述利用所述初始样本训练集构建初始kriging代理模型的步骤包括:
20、获取涡轮机匣疲劳寿命可靠性分析的功能函数;
21、基于所述初始样本训练集的样本点,获取所述涡轮机匣疲劳寿命可靠性分析的功能函数值;
22、基于所述初始样本训练集和所述涡轮机匣疲劳寿命可靠性分析的功能函数值构建所述初始kriging代理模型。
23、较佳地,所述获取涡轮机匣疲劳寿命可靠性分析的功能函数的步骤包括:
24、基于manson–coffin公式,获取涡轮机匣疲劳寿命可靠性分析的功能函数;所述manson–coffin公式为采用morrow弹性应力线性修正的公式;
25、所述manson–coffin公式如下:
26、
27、其中,δεt表征总应变范围,δεe表征弹性应变范围,δεp表征塑性应变范围,nf表征疲劳寿命,σ′f表征疲劳强度系数,ε′f表征疲劳延性系数,e表征杨氏模量,b表征疲劳强度指数,c表征疲劳延性指数,σm表征应力水平。
28、较佳地,所述获取样本训练集的步骤包括:
29、获取所述涡轮机匣的材料不确定性参数、载荷不确定性参数及尺寸不确定性参数,以生成输入变量;
30、将所述输入变量联合概率密度函数,并采用拉丁超立方抽样生成所述初始样本训练集。
31、较佳地,所述获取样本训练集的步骤还包括:
32、基于所述输入变量,生成所述候选样本训练集;
33、所述候选样本训练集中每个训练点的参数类型与所述输入变量的参数类型相同。
34、本专利技术还提供一种涡轮机匣的可靠性分析方法,应用于对涡轮机匣的可靠性进行分析,所述可靠性分析方法包括:
35、获取目标kriging代理模型对应的失效域指示函数;所述目标kriging代理模型利用如前述的模型的生成方法生成;
36、基于所述失效域指示函数,获取候选样本集中失效的样本点个数;
37、计算所述候选样本集中失效的样本点个数与所述候选样本集所有样本点的个数的比值;所述候选样本集的样本点为影响涡轮机匣强度和寿命的参数;
38、将所述比值作为所述涡轮机匣的失效概率。
39、较佳地,所述基于所述失效域指示函数,获取候选样本集中失效的样本点个数的步骤包括:
40、获取候选样本集中所有样本点对应的涡轮机匣疲劳寿命可靠性分析的功能函数的值;
41、若所述涡轮机匣疲劳寿命可靠性分析的功能函数的值不大于0,则将所述失效域指示函数值记为1;
42、计算候选样本集中所有样本点的失效域指示函数值之和;
43本文档来自技高网...
【技术保护点】
1.一种模型生成方法,其特征在于,所述模型的生成方法包括:
2.如权利要求1所述的模型生成方法,其特征在于,所述利用所述样本训练集训练Kriging代理模型的步骤包括:
3.如权利要求2所述的模型生成方法,其特征在于,所述从所述候选样本训练集中选取目标训练点的步骤包括:
4.如权利要求2所述的模型生成方法,其特征在于,所述利用所述初始样本训练集构建初始Kriging代理模型的步骤包括:
5.如权利要求4所述的模型生成方法,其特征在于,所述获取涡轮机匣疲劳寿命可靠性分析的功能函数的步骤包括:
6.如权利要求2所述的模型生成方法,其特征在于,所述获取样本训练集的步骤包括:
7.如权利要求6所述的模型生成方法,其特征在于,所述获取样本训练集的步骤还包括:
8.一种涡轮机匣的可靠性分析方法,其特征在于,所述可靠性分析方法包括:
9.如权利要求8所述的可靠性分析方法,其特征在于,所述基于所述失效域指示函数,获取候选样本集中失效的样本点个数的步骤包括:
10.如权利要求8所述的可靠性分
11.一种模型生成系统,其特征在于,所述模型生成系统包括:
12.一种涡轮机匣的可靠性分析系统,其特征在于,所述可靠性分析系统包括:
13.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的模型生成方法或如权利要求8至10任一项所述的涡轮机匣的可靠性分析方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的模型生成方法或如权利要求8至10任一项所述的涡轮机匣的可靠性分析方法。
...【技术特征摘要】
1.一种模型生成方法,其特征在于,所述模型的生成方法包括:
2.如权利要求1所述的模型生成方法,其特征在于,所述利用所述样本训练集训练kriging代理模型的步骤包括:
3.如权利要求2所述的模型生成方法,其特征在于,所述从所述候选样本训练集中选取目标训练点的步骤包括:
4.如权利要求2所述的模型生成方法,其特征在于,所述利用所述初始样本训练集构建初始kriging代理模型的步骤包括:
5.如权利要求4所述的模型生成方法,其特征在于,所述获取涡轮机匣疲劳寿命可靠性分析的功能函数的步骤包括:
6.如权利要求2所述的模型生成方法,其特征在于,所述获取样本训练集的步骤包括:
7.如权利要求6所述的模型生成方法,其特征在于,所述获取样本训练集的步骤还包括:
8.一种涡轮机匣的可靠性分析方法,其特征在于,所述可靠性分析方法包括:
9.如权利要求8所述的可...
【专利技术属性】
技术研发人员:张屹尚,张嘉诚,徐鹤鸣,袁辉,陈健,谭智勇,
申请(专利权)人:中国航发商用航空发动机有限责任公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。